Кластеризация qRS комплексов в ЭКГ

Общий вид цикла

Экстрасистола тип 1

Экстрасистола тип 2

Задание

Используя алгоритмы кластеризации разделить qRS комплесы ЭКГ на группы, схожие по форме. Данные представлены в файлах:

• ecg1_samples.csv
• ecg2_samples.csv

Решение

Загружаем данные

import math
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
from typing import Tuple, List

%matplotlib inline

X1 = np.loadtxt('./ds/ecg2_samples.csv')

X1.shape

(3037, 140)

X1

array([[-0.02211, -0.0147 , -0.01266, ...,  0.5106 ,  0.49545,  0.47199],
       [-0.11145, -0.1062 , -0.10871, ..., -0.0808 , -0.08287, -0.08434],
       [ 0.12544,  0.12735,  0.13848, ...,  0.54598,  0.52075,  0.50307],
       ...,
       [-0.02078, -0.01972, -0.02556, ..., -0.03822, -0.03501, -0.03674],
       [ 0.15453,  0.14507,  0.13675, ...,  0.44602,  0.44811,  0.44325],
       [-0.10865, -0.10322, -0.10616, ..., -0.08216, -0.07675, -0.08109]])

X2 = np.loadtxt('./ds/ecg1_samples.csv')

X2.shape

(2420, 140)

X2

array([[ 0.23081,  0.24298,  0.25117, ...,  0.19396,  0.21207,  0.21228],
       [ 0.17868,  0.18605,  0.20168, ...,  0.18001,  0.18377,  0.17958],
       [-0.02735, -0.0225 , -0.03509, ...,  0.10906,  0.10302,  0.09643],
       ...,
       [-0.02662, -0.01956, -0.00955, ...,  0.12895,  0.12308,  0.10431],
       [-0.05428, -0.04011, -0.026  , ...,  0.16597,  0.1586 ,  0.14288],
       [-0.02252, -0.03238, -0.04729, ...,  0.11562,  0.12176,  0.12567]])

X = np.concat([X1, X2])

X.shape

(5457, 140)

X

array([[-0.02211, -0.0147 , -0.01266, ...,  0.5106 ,  0.49545,  0.47199],
       [-0.11145, -0.1062 , -0.10871, ..., -0.0808 , -0.08287, -0.08434],
       [ 0.12544,  0.12735,  0.13848, ...,  0.54598,  0.52075,  0.50307],
       ...,
       [-0.02662, -0.01956, -0.00955, ...,  0.12895,  0.12308,  0.10431],
       [-0.05428, -0.04011, -0.026  , ...,  0.16597,  0.1586 ,  0.14288],
       [-0.02252, -0.03238, -0.04729, ...,  0.11562,  0.12176,  0.12567]])

sample_x = X[np.random.randint(0, len(X), 6)]

for i in range((len(sample_x))):
    plt.plot(X[i])

plt.show()

Определяем общие параметры

def get_flors_rooms(length: int) -> Tuple[int, int]:
    return (
        math.ceil(length / 2),
        2 if length % 2 == 0 else 1
    )


def display_ekg(labels: np.ndarray, colors: List[int]):
    labels_indice = []
    for i in colors:
        labels_indice.append((i, np.arange(len(labels))[labels == i]))
    
    fig_size_h, _ = get_flors_rooms(len(labels_indice))
    fig, axs = plt.subplots(
        fig_size_h,
        2,
        sharex=True,
        sharey=True
    )
    fig.set_figwidth(20)
    fig.set_figheight(fig_size_h*5)

    for l, indices in labels_indice:
        ax_y, ax_x = get_flors_rooms(l)
        labels_x = X[indices]

        for i in range(len(labels_x)):
            axs[ax_y - 1, ax_x - 1].plot(
                labels_x[i]
            )

    plt.show()

MiniBatchKMeans

from sklearn.cluster import MiniBatchKMeans

clusters_id = list(range(6))

kmeans = MiniBatchKMeans(init='k-means++', n_clusters=len(clusters_id), random_state=0)
labels = kmeans.fit_predict(X)

labels.shape

(5457,)

np.unique(labels)

array([0, 1, 2, 3, 4, 5], dtype=int32)

display_ekg(labels, clusters_id)

KMeans++

from sklearn.cluster import KMeans

clusters_id = list(range(6))

kmeans_plus = KMeans(init='k-means++', n_clusters=len(clusters_id), random_state=0)
labels = kmeans_plus.fit_predict(X)

labels.shape

(5457,)

np.unique(labels)

array([0, 1, 2, 3, 4, 5], dtype=int32)

display_ekg(labels, clusters_id)

DBSCAN

from sklearn.cluster import DBSCAN

dbscan = DBSCAN(eps=0.8)
labels = dbscan.fit_predict(X) + 1

labels.shape

(5457,)

np.unique(labels)

array([0, 1, 2, 3, 4, 5, 6, 7, 8])

display_ekg(labels, np.unique(labels).tolist())

AgglomerativeClustering

from sklearn.cluster import AgglomerativeClustering

clusters_id = list(range(6))

agg_clust = AgglomerativeClustering(n_clusters=len(clusters_id))
labels = agg_clust.fit_predict(X)

labels.shape

(5457,)

np.unique(labels)

array([0, 1, 2, 3, 4, 5])

display_ekg(labels, clusters_id)

Результаты

DBSCAN

Cлишком сильно концентрируется на "локальных" различиях, из-за чего выделяет несколько класетров c очень близкими данными, остальные же данные попадают в один из двух класетров.

Модель не способна выделять данные по глобальным различиям. Для нашей задачи я бы не стал использовать подобную модель

AgglomerativeClustering

Модель достаточно неплохо разделяет данные, но например в кластере 0 попали два явных "пучка" данных, при увеличении количества кластеров, эта проблема не исчезла.

Модель неплоха, но есть модели, показывающие более хороший результат.

KMeans

Обе модели показали похожий рузельтат (что не удивительно), при большом разбросе данных в каждом кластере, на глобальном уровне данные похожи.

На относительно небольших датасетах (как у нас) Kmeans работает быстрее, чем MiniBatchKmeans, что видно из нашей же работы.

Выводы

Для данного датасета я бы отдал предпочтение модели Kmeans